一种基于车辆聚类的动态车辆计算任务卸载方法和装置制造方法及图纸

本发明专利技术公开了一种基于车辆聚类的动态车辆计算任务卸载方法和装置，该方法包括：计算样本集中所有车辆的可达距离，根据可达距离构建最小生成树；将最小生成树转化为层次聚类结构，并对转化后的层次聚类树进行压缩；以簇的稳定性为依据对由每个车辆构成的节点进行聚类，对聚类后的各个簇内节点按优先级排序，根据排序后的结果选取簇头；基于聚类结果，利用带有跨簇卸载宽容度的UCB算法求解计算卸载策略。本发明专利技术在通过限制最小子树来降低运算量，用可达距离的概念替换欧氏距离，降低了对Eps阈值的依赖性；并且基于簇稳定性自动分簇，具有较低的平均计算时延以及较高的计算结果返回成功率。回成功率。回成功率。

【技术实现步骤摘要】
一种基于车辆聚类的动态车辆计算任务卸载方法和装置


[0001]本专利技术涉及车联边缘网络
，具体而言涉及一种基于车辆聚类的动态车辆计算任务卸载方法和装置、电子设备、计算机可读存储介质。

技术介绍

[0002]汽车诞生以来，汽车工业一直是重要的产业，其经济和社会影响一直在扩大。与此同时，随着人们水平的提高，对于汽车的需求不再停留在代步工具上。此外，随着5G相关技术应用的蓬勃发展，车联网成为时下热点研究方向。同时，为了克服机载计算，通信，存储和能源的有限功能以及避免了云计算中的过多延迟，移动边缘计算(Mobile Edge Computing,MEC)成为车联网的一个关键技术。
[0003]移动边缘计算的优势主要在于边缘服务器更加靠近用户，拥有更低的计算延迟以及更好的隐私和安全性。因此，对于车辆的计算任务来讲，移动边缘计算是一个很好的解决方案。但是，考虑到如果所有车辆并发向边缘服务器卸载任务，极易容易引起网络的阻塞。因此，可以通过聚类将具有相似特征的样本划分到同一集合，使得同一集合内部的样本差异尽可能小，不同集合样本差异尽可能大。并根据聚类的结果选取簇头来辅助车辆决策或者缓解交通压力。
[0004]然而现有的车辆聚类方法存在对噪声敏感，参数调整比较复杂、簇数量选取不当会导致结果陷入局部最优以及车联边缘网络的稳定性和计算任务卸载的成功率低等问题。

技术实现思路

[0005]本专利技术针对现有技术中的不足，提供一种基于车辆聚类的动态车辆计算任务卸载方法和装置，在通过限制最小子树来降低运算量，用可达距离的概念替换欧氏距离，降低了对Eps阈值的依赖性；并且基于簇稳定性自动分簇，具有较低的平均计算时延以及较高的计算结果返回成功率。
[0006]为实现上述目的，本专利技术采用以下技术方案：
[0007]第一方面，本专利技术实施例提出了一种基于车辆聚类的动态车辆计算任务卸载方法，所述卸载方法包括：
[0008]S1，计算样本集中所有车辆的可达距离，根据可达距离构建最小生成树；
[0009]S2，将最小生成树转化为层次聚类结构，并对转化后的层次聚类树进行压缩；
[0010]S3，以簇的稳定性为依据对由每个车辆构成的节点进行聚类，对聚类后的各个簇内节点按优先级排序，根据排序后的结果选取簇头；
[0011]S4，基于聚类结果，利用带有跨簇卸载宽容度的UCB算法求解计算卸载策略。
[0012]可选的，步骤S1中，所述计算样本集中所有车辆的可达距离，根据可达距离构建最小生成树的过程包括以下步骤：
[0013]S11，根据下述公式计算各个节点的核心距离以及实际欧氏距离，两者中的最大值被定义成两者之间的可达距离d
mreach
‑
k
(P,Q)：
[0014]d
mreach
‑
k
(P,Q)＝max{core
k
(P),core
k
(Q),d(P,Q)}
[0015]式中，core
k
(P)是车辆P的核心距离，core
k
(Q)是车辆Q的核心距离，d(P,Q)是车辆P和车辆Q之间的实际欧式距离，k是以某个样本为圆心的圆能容纳除自身之外的样本数量；
[0016]S12，结合所有车辆之间的可达距离计算结果，构建对应的无向加权图，图的顶点集为所有车辆集合，权重为对应边连接的两个车辆之间的可达距离；
[0017]S13，将无向加权图转化为最小生成树。
[0018]可选的，步骤S2中，所述将最小生成树转化为层次聚类结构，并对转化后的层次聚类树进行压缩的过程包括以下步骤：
[0019]S21，将最小生成树映射为二叉树；
[0020]S22，将映射得到的二叉树放到二维坐标系中，二叉树的每一个叶子节点都表示一个车辆，纵坐标表示可达距离；
[0021]S23，从所有未聚类的节点中，选取其中一个可达距离节点作为子树的根节点，将根节点相同的车辆聚类到同一个簇；
[0022]S24，重复步骤S23，直至所有节点被聚类完毕；
[0023]S25，去除散点。
[0024]可选的，步骤S3中，所述以簇的稳定性为依据对由每个车辆构成的节点进行聚类，对聚类后的各个簇内节点按优先级排序，根据排序后的结果选取簇头的过程包括以下步骤：
[0025]S31，根据下述公式计算簇c每个节点的簇稳定性s
c
：
[0026][0027]式中，λ
death
是对压缩聚类树中的每个可达距离节点的定义，取值为当前节点值的倒数；λ
p
是对压缩聚类树中所有叶子节点定义的一个数值；其中，当p不是散点时，当前节点正常分裂成左右子树，λ
p
取值为λ
death
，当p是散点时，当前节点替代了p原来的根节点，λ
p
取值为原来根节点的倒数，λ
p
＜λ
death
；
[0028]S32，进行簇提取；其中，如果节点分裂不能使左右子树稳定性之和大于当前节点则当前节点为根节点的所有车辆聚类时被划分到同一类，否则当前节点继续分裂以进一步提取聚类簇；
[0029]S33，对每个簇内部的所有节点进行评估，根据下述公式计算得到对应节点的车辆连接值、位置差异值和速度差异值作为该节点的三个评估指标：
[0030][0031][0032][0033]式中，out(t)表示t时刻进入车辆i邻居列表的车辆数目，in(t)表示离开的车辆数
目，N(t
‑
1)表示车辆i上一时刻的邻居列表数量；d
ij
(t)表示车辆i和其同簇车辆j的距离，表示车辆i和其同簇车辆j距离的平均值，N(t)表示t时刻当前车辆的所属聚类簇中的车辆节点数量；v
ij
(t)表示车辆i和其同簇车辆j的速度差，表示车辆i和其同簇车辆j速度差的平均值；
[0034]S34，结合车辆连接值、位置差异值和速度差异值对簇节点进行优先级排序，根据排序结果选取优先级最高的作为簇头。
[0035]可选的，步骤S34中，所述结合车辆连接值、位置差异值和速度差异值对簇节点进行优先级排序的过程包括以下步骤：
[0036]采用下述公式计算每个簇节点i的优先级评估值：
[0037][0038]式中，w1、w2和w3是对应的权重因子。
[0039]可选的，步骤S4中，所述基于聚类结果，利用带有跨簇卸载宽容度的UCB算法求解计算卸载策略的过程包括以下步骤：
[0040]S41，定义概率ε，每个计算任务以ε的概率进行簇内卸载，以1
‑
ε的概率进行全局跨簇卸载；
[0041]S42，将任务卸载问题看成是多臂赌博机问题，每次操作的臂分为同簇车辆和异簇车辆；其中，根据下述公式计算每辆服务车的评估指标：
[0042][本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于车辆聚类的动态车辆计算任务卸载方法，其特征在于，所述卸载方法包括：S1，计算样本集中所有车辆的可达距离，根据可达距离构建最小生成树；S2，将最小生成树转化为层次聚类结构，并对转化后的层次聚类树进行压缩；S3，以簇的稳定性为依据对由每个车辆构成的节点进行聚类，对聚类后的各个簇内节点按优先级排序，根据排序后的结果选取簇头；S4，基于聚类结果，利用带有跨簇卸载宽容度的UCB算法求解计算卸载策略。2.根据权利要求1所述的基于车辆聚类的动态车辆计算任务卸载方法，其特征在于，步骤S1中，所述计算样本集中所有车辆的可达距离，根据可达距离构建最小生成树的过程包括以下步骤：S11，根据下述公式计算各个节点的核心距离以及实际欧氏距离，两者中的最大值被定义成两者之间的可达距离d
mreach
‑
k
(P,Q)：d
mreach
‑
k
(P,Q)＝max{core
k
(P),core
k
(Q),d(P,Q)}式中，core
k
(P)是车辆P的核心距离，core
k
(Q)是车辆Q的核心距离，d(P,Q)是车辆P和车辆Q之间的实际欧式距离，k是以某个样本为圆心的圆能容纳除自身之外的样本数量；S12，结合所有车辆之间的可达距离计算结果，构建对应的无向加权图，图的顶点集为所有车辆集合，权重为对应边连接的两个车辆之间的可达距离；S13，将无向加权图转化为最小生成树。3.根据权利要求1所述的基于车辆聚类的动态车辆计算任务卸载方法，其特征在于，步骤S2中，所述将最小生成树转化为层次聚类结构，并对转化后的层次聚类树进行压缩的过程包括以下步骤：S21，将最小生成树映射为二叉树；S22，将映射得到的二叉树放到二维坐标系中，二叉树的每一个叶子节点都表示一个车辆，纵坐标表示可达距离；S23，从所有未聚类的节点中，选取其中一个可达距离节点作为子树的根节点，将根节点相同的车辆聚类到同一个簇；S24，重复步骤S23，直至所有节点被聚类完毕；S25，去除散点。4.根据权利要求1所述的基于车辆聚类的动态车辆计算任务卸载方法，其特征在于，步骤S3中，所述以簇的稳定性为依据对由每个车辆构成的节点进行聚类，对聚类后的各个簇内节点按优先级排序，根据排序后的结果选取簇头的过程包括以下步骤：S31，根据下述公式计算簇c每个节点的簇稳定性s
c
：式中，λ
death
是对压缩聚类树中的每个可达距离节点的定义，取值为当前节点值的倒数；λ
p
是针对压缩聚类树中所有叶子节点定义的一个数值，其中，当p不是散点时，当前节点正常分裂成左右子树，λ
p
取值为λ
death
，当p是散点时，当前节点替代了p原来的根节点，λ
p
取值为原来根节点的倒数，λ
p
＜λ
death
；S32，进行簇提取；其中，如果节点分裂不能使左右子树稳定性之和大于当前节点则当前节点为根节点的所有车辆聚类时...

【专利技术属性】
技术研发人员：贾校磊，赵海涛，徐卓然，张晖，倪艺洋，蔡曙，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：